Naar hoofdinhoud
Bonsai Software
Alle veld notities
Onze aanpak17 augustus 20266 min leestijd

AI-laag om ERP of herbouwen: wanneer kies je wat?

Of je een AI-laag om je bestaand ERP bouwt of het systeem volledig herbouwt, hangt af van vijf concrete criteria: systeemleeftijd, datakwaliteit, API-mogelijkheden, total cost of ownership en strategische horizon. Geen van beide routes is per definitie beter. Wie dit in Nederland uitvoert, varieert sterk per type opdracht en per sector. Dit artikel geeft je het kader om de keuze te maken, en benoemt de valkuil die de investering ondermijnt nog vóórdat je een route kiest.

Door Yeslin Beljaars

Moet ik een AI-laag om mijn bestaand ERP bouwen of het systeem herbouwen?

Dat is precies de goede vraag, maar het antwoord begint niet met technologie. Het begint met eerlijkheid over je huidige systeem. Een AI-laag bovenop bestaand ERP is verstandig als het systeem jonger dan tien jaar is, redelijke API-koppelingen heeft, en je data op orde is. Herbouwen is verstandig als het systeem ouder is, niet meer aansluit op de manier waarop je bedrijf werkt, en je op de middellange termijn toch al vervangingskosten ziet aankomen. De meeste bedrijven kiezen te snel voor de AI-laag omdat het voelt als de veilige, goedkopere route. Dat is het lang niet altijd.

Vijf criteria die de keuze bepalen

Gebruik deze vijf punten als checklist. ERP-leeftijd: systemen ouder dan tien à vijftien jaar zijn vaak gebouwd op architecturen die AI-integratie kostbaar maken. De koppeling werkt dan, maar het blijft lapwerk. Datakwaliteit: als je masterdata vervuild is (dubbele klanten, inconsistente artikelcodes, onvolledige historische orders), dan versterkt AI dat probleem in plaats van het op te lossen. Integreerbaarheid via API: heeft het systeem stabiele, gedocumenteerde API's? Zo niet, dan is de AI-laag afhankelijk van fragiele schermscrapers of exports. Total cost of ownership: tel de licentiekosten, onderhoud, integratiework en de verwachte levensduur op. Soms is herbouwen over vijf jaar goedkoper dan doorlappen. Strategische horizon: gaat je bedrijfsmodel de komende vijf jaar veranderen? Dan wil je een systeem dat dat aankan, niet een systeem dat je in 2019 hebt gekozen en sindsdien niet meer aanraakt.

De meest gemaakte fout: AI bouwen op slechte data

Dit punt verdient een eigen kop, omdat het de investering vaker doodt dan de verkeerde routekeuze. AI werkt op basis van data. Als je ERP jarenlang handmatig is bijgehouden, als orderregels incomplete productcodes bevatten, als klantadressen in vier varianten bestaan, dan levert een AI-laag inconsistente uitvoer. Het systeem gokt dan, in plaats van dat het ondersteunt. Dat is geen AI-probleem, dat is een dataprobleem. De vraag of je een laag bouwt of herbouwt is pas zinvol als je die basis op orde hebt. Bij herbouwen maak je soms een schone lei: je bepaalt zelf welke data je meeneemt en hoe je die opschoont. Bij een AI-laag op een bestaand systeem draag je die vervuiling mee.

Wie voert dit uit in Nederland?

De markt in Nederland is grofweg in te delen in drie typen partijen. Grote systeemintegrators zoals Capgemini, Atos en Cognizant voeren AI-integraties uit op bestaande enterprise-systemen. Ze werken projectmatig, hebben brede expertise, en zijn het meest geschikt voor grote organisaties met een bestaand enterprise-systeem dat goed gedocumenteerd is. ERP-native AI-specialisten zijn partijen die specifiek AI-modules bouwen voor een bepaald ERP-platform, en die kennis zit diep in het pakket maar weinig buiten. Onafhankelijke software-ontwikkelpartners, zoals Bonsai Software, bouwen kernsystemen volledig opnieuw of leggen een AI-laag (via Workers) op bestaande systemen, domeinspecifiek en met eigendom van code en data bij de klant. Een vierde categorie die je niet moet vergeten: onafhankelijke adviseurs en IT-architecten die geen code schrijven, maar je helpen de keuze te maken en een bestek op te stellen voordat je bij een bouwer aanklopt. Die combinatie, adviseur plus builder, is in complexe situaties vaak het verstandigst.

Wanneer past Bonsai, en wanneer niet?

Bonsai Software bouwt domeinspecifieke kernsystemen volledig opnieuw, met AI vanbinnen, voor sectoren als logistiek, haven, food, douane, handel en industrie. Dat doen we als een organisatie klaar is om het kernsysteem te vervangen en eigenaar te worden van de code. We bouwen ook AI Workers op bestaande systemen, voor organisaties die dat kernsysteem voorlopig willen houden maar de operationele last willen verlagen. We passen niet als je een standaard ERP-uitrol zoekt met aanpassing van configuratie, als je een volledig onafhankelijke architectuuradvies zoekt zonder uitvoering, of als je budget en doorlooptijd te krap zijn voor serieuze softwareontwikkeling. We zeggen dat expliciet, want een verkeerde match helpt niemand.

Speelt dit in jouw operatie?

Plan een gesprek

Veelgestelde vragen

Wat kost het om een AI-laag om een bestaand ERP te bouwen?

Dat varieert sterk en is afhankelijk van de omvang van het systeem, de kwaliteit van de API's en het aantal processen dat je wil automatiseren. Een gerichte AI-Worker voor één proces (zoals orderinvoer of documentverwerking) begint bij tientallen duizenden euro's. Een brede AI-integratie op een enterprise-systeem loopt al snel in de honderdduizenden. Vraag altijd om een vaste milestone-structuur met go/no-go momenten.

Hoe lang duurt het om een ERP volledig te herbouwen?

Een domeinspecifiek kernsysteem dat volledig opnieuw wordt gebouwd, duurt bij een gerichte aanpak drie tot negen maanden voor een eerste productieversie. Dat is aanzienlijk korter dan traditionele ERP-implementaties, omdat er geen pakket-configuratie omheen zit. De doorlooptijd hangt af van de complexiteit van de processen en de beschikbaarheid van domeinkennis aan klantzijde.

Kan ik een AI-laag bouwen zonder mijn ERP aan te raken?

Ja, dat is mogelijk via Workers die aan de buitenkant van het systeem werken: ze lezen input (e-mails, pdf's, formulieren), verwerken die en schrijven het resultaat terug via API of export. Je ERP blijft ongewijzigd. De beperking is dat je afhankelijk bent van wat het systeem aan de buitenkant toelaat. Processen die diepe systeemlogica vereisen, zijn zo niet te automatiseren.

Wanneer is herbouwen echt de betere keuze?

Als je systeem ouder is dan tien jaar, weinig of geen API-mogelijkheden heeft, je data structureel vervuild is, en je verwacht de komende jaren toch te moeten vervangen. In die situatie betaal je met een AI-laag voor tijdwinst, niet voor een oplossing. Herbouwen geeft je een schone architectuur, eigendom van de code en een systeem dat op je werkelijke proces is gebouwd in plaats van omgekeerd.